AI 工具使用聲明：本次專案使用 Antigravity Coding Agent、Gemini、Claude 等生成式 AI 工具協作，用於主要程式碼撰寫與資料集建置與清洗。

大家好，我是本次參加 Build on Google AI 鐵人賽的參賽者！

在接下來的 30 天裡，我將以 未來教育 (AI for Education) 為核心賽道，使用 Google Antigravity 作為主要開發環境，並透過 LangChain 深度串接 Google AI Studio 所託管的開放權重旗艦模型 Gemma-4-31B-it，從零打造一套專為升學面試設計的智慧教育 Agent 系統 —— UniMock AI。

在本次的挑戰中，我將採取 Vibe Coding 的開發模式，人工集中處理系統設計層的相關內容，程式碼撰寫由 Antigravity 的 Coding AI Agent 進行撰寫。

為什麼想做這個專題？痛點與核心願景

每年到了大學個人申請二階甄試、特殊選才或研究所推甄時，「面試」往往是決定錄取與否的關鍵一役。然而，許多學生在準備過程中常面臨兩大核心困境：

1. 缺乏客製化的模擬實戰對象： 學校老師能安排的模擬面試次數有限，補習班資源昂貴且存在城鄉差距。
2. 反饋流於表面且缺乏結構化指導： 學生自練時對著鏡子或錄音，難以獲得「邏輯是否嚴謹」、「是否符合科系期待」的即時且深度反饋。

市面上一般的 LLM 聊天機器人多半只是「一問一答」或直接給出標準答案，缺乏真實面試官的脈絡追問能力與教育引導性。

UniMock AI 的目標就是打破這道高牆：讓學生只要上傳自己的「學習歷程自傳 PDF」，系統便能自動提煉個人經歷、動態扮演特定學系的教授 Persona 進行多輪深度追問，並在面試結束後產出結合 STAR 原則與多維度雷達圖的結構化診斷報告。

核心技術選型與架構圖

本專案專注於打造一個的全端應用程式，技術棧規劃如下：

• 開發編輯器 / 環境： Google Antigravity（專案代碼編寫、工作區管理與除錯）
• 大語言模型核心： Google AI Studio 提供之 Gemma-4-31B-it（具備強大的開源指令遵循與邏輯推理能力）
• Agent 與流程編排： LangChain（負責 PDF 解析、Prompt 樣板管理、對話狀態機與 Output Parser）
• 前後端系統架構： FastAPI 本地後端服務 + 沉浸式前端互動介面（支援語音 STT/TTS 與動態圖表呈現）

 +---------------------------------------------------------+
 |                    UniMock AI 系統架構                   |
 +---------------------------------------------------------+
                              │
     [1. 備審資料前處理]       ▼       [2. 動態面試對話鏈]
  ┌───────────────────────┐       ┌───────────────────────┐
  │ 學習歷程檔案 / 自傳 PDF │       │  前端語音/文字輸入介面  │
  └──────────┬────────────┘       └──────────┬────────────┘
             │                               │
             ▼                               ▼
  ┌───────────────────────┐       ┌───────────────────────┐
  │ LangChain PDF Loader  │       │ FastAPI Session State │
  └──────────┬────────────┘       └──────────┬────────────┘
             │ (經歷萃取 & 盲點偵測)          │ (多輪上下文管理)
             └───────────────┐ ┌─────────────┘
                             ▼ ▼
             ┌─────────────────────────────────┐
             │  Google AI Studio API Gateway   │
             │     (Gemma-4-31B-it Engine)     │
             └────────────────┬────────────────┘
                              │
     [3. 評測與診斷輸出]       ▼
             ┌─────────────────────────────────┐
             │   Pydantic Structured Output    │
             │   (STAR 評分 / 逐題修飾建議 / 雷達圖) │
             └─────────────────────────────────┘

30 天發文與實作里程碑規劃

為了讓讀者能跟著一步步復刻這個專案，這 30 天的文章將分為四個主要階段推進：

• Phase 1 (Day 1–7)： 環境配置、Google AI Studio 接口串接與 Gemma 模型基礎建設
• Phase 2 (Day 8–14)： 備審檔案解析、特徵萃取與教授 Persona 動態題庫引擎
• Phase 3 (Day 15–21)： 多輪面試狀態機、LangChain 對話鏈與動態追問機制
• Phase 4 (Day 22–30)： STAR 評測矩陣、結構化報告生成、前端打磨與開源總結

結語與明天預告

萬事起頭難，但有了明確的架構與每日目標，接下來就是一步一腳印地將 code 堆疊出來。

明天 【Day 2】，我們將深入剖析系統的整體資料流向，並設計前後端通訊協議與資料格式。我們明天見！